语音转写

千问 AI 眼镜 11 月 1 日 OTA 新增通话翻译与媒体翻译，译文同步到穿戴 App。讲清三类场景的用法、型号版本与购买前要核对的限制。

讲清 WorkBuddy 两种语音用法：新建任务时按快捷键说话派活，会议录音、课程音频传文件转文字，含支持格式、积分价格、吵环境提醒与核对要点。

Voxtral 3 有三个转写模型，选错入口会返工：按录音文件还是实时音频分流，讲清说话人区分、时间戳和轮次检测的组合限制与排查方法。

Voxtral 3 不是一个模型，而是转写、实时对话和语音合成的模型家族。本文讲五款模型的分工、API 与自部署的区别，帮你按用途选对入口，少走返工路。

英伟达在 Hugging Face 发布开放权重语音模型 Nemotron 3.5 Transcribe，一个检查点同时做转录、说话人分离、翻译与录音问答。本文讲清语言覆盖、榜单成绩的不同口径与录音场景边界。

AI 语音对话总抢话、听不清，多数是说话节奏和环境的问题。本文讲清抢话的三个原因、说话和环境的调法，以及什么时候该改用文字，适合常在路上用语音的人。

AI自动生成的字幕看着文字都对，播放时却总快半拍、慢半拍，问题多半出在时间轴、分段和帧率这三处。本文讲清怎么判断是整体偏移还是局部错位，怎么分段修、怎么对齐音画，以及导出前必须检查的几项设置。

Mistral AI于2026年10月20日发布Voxtral 3语音模型家族与语音智能体SDK，转写覆盖50多门语言、合成支持35多门语言。本文拆清三个组成部分、价格与部署方式，适合评估语音客服与电话智能体的团队。